Ein Produkt kann perfekt für einen Kunden sein, aber wenn es kein vollständiges Schema-Markup hat, empfehlen KI-Shopping-Agenten es nie. Der Agent liest dein HTML wie ein Mensch, versteht dein Produkt aber über strukturierte Daten. Kein Schema bedeutet kein Verständnis.
Bittet ein Kunde einen KI-Shopping-Assistenten, eine Laptoptasche zu finden, die unter einen Flugzeugsitz passt und weniger als 100 $ kostet, surft der Agent nicht wie ein Mensch. Er liest strukturierte Daten von Produktseiten. Er sucht nach Offer-Schema mit konkreten Preisen, Product-Schema mit Maßangaben und AggregateRating-Schema mit Kundenbewertungen. Hat deine Produktseite eine schöne Beschreibung, aber kein Schema, überspringt der Agent sie komplett.
Dieses Kapitel behandelt, wie Produkt-Schema funktioniert, welches Markup KI-Shopping-Systeme tatsächlich lesen und wie du deine Produktdaten so strukturierst, dass KI-Agenten deine Produkte finden und empfehlen können.
Was Produkt-Schema ist und warum KI-Agenten davon abhängen
Produkt-Schema ist maschinenlesbarer Code, der KI-Systemen sagt, was dein Produkt ist, was es kostet, wie es bewertet wird und wo Kunden es kaufen können. Statt einen KI-Agenten raten zu lassen, ob "Laptoptasche" eine Aktentasche oder einen Rucksack meint, sagt das Schema es ausdrücklich. Dieses Produkt hat Rollen. Es hat ein 15-Zoll-Laptopfach. Es kostet 89,99 $.
Schema-Markup nutzt ein Format namens JSON-LD. JSON-LD ist eine Art, Daten zu schreiben, die jedes Computersystem lesen kann, ohne HTML oder Design verstehen zu müssen. Ein KI-Crawler besucht deine Produktseite, liest das HTML und liest zusätzlich das JSON-LD-Script-Tag aus. Dieses Script-Tag enthält strukturierte Daten. Der Agent liest diese Daten aus und versteht dein Produkt sofort.
Shops mit vollständigem Produkt-Schema bekommen 58,3 % mehr Klicks aus KI-Shopping-Oberflächen als Shops mit unvollständigem oder fehlendem Schema. Produkte mit klarem Schema-Markup erscheinen 3,1-mal häufiger in AI Overviews und KI-Shopping-Ergebnissen.
Der Unterschied zwischen Product-Schema und Offer-Schema
Product-Schema beschreibt, was das Produkt ist. Offer-Schema deckt Preis, Verfügbarkeit und Verkäuferinformationen ab. Zusammen ergeben sie das vollständige Bild, das KI-Shopping-Systeme brauchen.
Product-Schema enthält Produktname, Beschreibung, Bild, Marke, Produktkategorie, Farbe, Größe, Gewicht, Maße, Material und GTIN (die Barcode-Nummer). Das ist die Identitätsebene. Sie sagt der KI, was du verkaufst.
Offer-Schema enthält Preis, Währung, Verfügbarkeit (auf Lager, nicht auf Lager, Vorbestellung), Zustand des Artikels (neu, generalüberholt, gebraucht), Verkäufername und Rückgaberegelung. Das ist die Transaktionsebene. Sie sagt der KI, wo und wie Kunden es kaufen können.
Eine Produktseite braucht beides. Ein Produkt ohne Angebot ist nur eine Information. Ein Angebot ohne Produkt lässt die KI im Unklaren, was verkauft wird. Schema-Markup für KI-Shopping enthält immer Product-Schema plus mindestens einen Offer-Schema-Block.
Wie KI-Shopping-Agenten Schema nutzen, um Produkte zu Kundenbedürfnissen zuzuordnen
Bittet ein Kunde einen KI-Agenten, etwas zu finden, zerlegt der Agent die Anfrage in durchsuchbare Eigenschaften. Eine Anfrage nach "einer Wasserflasche, die Getränke 24 Stunden kalt hält" wird in Suchattribute übersetzt: Produkttyp ist Wasserflasche, Material enthält Edelstahl oder Doppelwand, Fassungsvermögen mindestens 16 Unzen, Farbe egal.
Der Agent durchsucht dann Produkt-Feeds nach Produkten, die all diese Eigenschaften erfüllen. Enthält dein Produkt-Schema weder das Materialattribut noch das Fassungsvermögen, kann der Agent nicht bewerten, ob dein Produkt passt. Selbst wenn dein Produkt perfekt ist, überspringt der Agent es.
Deshalb zählt vollständiges Schema mehr als Werbetext. Deine schöne Produktbeschreibung "hält Getränke den ganzen Tag kalt" gibt dem Agenten keine Temperatur und keine Dauer. Dein Schema, das das Material als Edelstahl und das Fassungsvermögen mit 32 Unzen angibt, sagt dem Agenten genau, wonach er suchen soll.
Was KI-Shopping-Systeme in deinem Schema tatsächlich lesen
Nicht jedes Feld im Schema-Markup hat gleiches Gewicht. KI-Shopping-Systeme bevorzugen bestimmte Felder, weil sie helfen, Produkte den Anforderungen des Kunden zuzuordnen.
Pflichtfelder von entscheidender Bedeutung sind Produktname, Preis, Währung und Verfügbarkeit. Sie sind nicht verhandelbar. Ohne sie kann der Agent dein Produkt nicht in die Ergebnisse aufnehmen.
Felder mit hoher Priorität, die stark genutzt werden, sind Marke, Bild, GTIN oder MPN, Farbe, Größe, Material, Gewicht, Maße und AggregateRating. Diese Felder beeinflussen direkt, ob ein Agent dein Produkt empfiehlt, wenn ein Kunde Optionen vergleicht.
Sekundäre Felder, die bei Bedarf erscheinen, sind Garantieinformationen, Versanddetails, Rückgaberegelung, Produktkategorie und Hersteller. Sie erscheinen in der Antwort des Agenten, bestimmen aber nicht die erste Empfehlung.
Die meisten E-Commerce-Marken füllen die entscheidenden und die hoch priorisierten Felder richtig aus, lassen die sekundären Felder aber ganz aus. Ein vollständiges Schema mit Garantie, Rückgaberegelung und Versanddetails erhöht die Wahrscheinlichkeit, dass ein Agent dich empfiehlt, wenn Kunden die Vertrauenswürdigkeit prüfen.
JSON-LD ist das Format, das KI-Systeme bevorzugen
Es gibt mehrere Wege, Schema-Markup zu schreiben. Microdata nutzt HTML-Attribute. RDFa nutzt HTML-Tags. JSON-LD nutzt ein Script-Tag, das getrennt von deinem HTML steht.
KI-Systeme bevorzugen JSON-LD, weil es das am leichtesten lesbare Format ist. JSON ist gültige, strukturierte Daten. Ein Computerprogramm kann es auslesen, ohne Layout oder Design deiner Seite zu verstehen. Besucht ein KI-Crawler deine Seite, sucht er ein JSON-LD-Script-Tag, liest die Daten und nutzt sie sofort.
89 % der Schema-Umsetzungen nutzen JSON-LD. Es ist das Format, das Google empfiehlt. Es ist das, was KI-Shopping-Plattformen erwarten. Erzeugt deine E-Commerce-Plattform Schema automatisch, erzeugt sie mit ziemlicher Sicherheit JSON-LD.
Schema-Markup sollte im <head> der Seite stehen oder direkt nach dem <body>-Tag. Es sollte statisches HTML im Seitenquelltext sein, nicht dynamisch mit JavaScript geladen. Lädt dein Produkt-Schema erst nach der Ausführung von JavaScript, warten manche KI-Crawler nicht darauf und crawlen eine leere Version deiner Seite.
Vollständiges Product-Schema für deinen Katalog aufbauen
Ein minimaler Product-Schema-Block muss Name, Beschreibung, Bild, Marke, Preis, Währung und Verfügbarkeit enthalten. Aber minimal konkurriert schlecht gegen vollständig.
Ein vollständiges Product-Schema enthält alles oben Genannte plus GTIN (Barcode-Nummer), Farboptionen, Größenoptionen, Material, Gewicht, Maße, Produktkategorie, Hersteller, aggregierte Bewertung (Sternzahl und Anzahl der Bewertungen) und alle Attribute, die für deine Produktkategorie spezifisch sind.
Gibt es dein Produkt in Varianten (verschiedene Größen oder Farben), braucht jede Variante einen eigenen Offer-Block mit eigenem Preis und eigener Verfügbarkeit. Ein Hemd in Rot, Blau und Grün sollte drei getrennte Offer-Schema-Blöcke haben. Eine Tasche in klein, mittel und groß sollte drei Einträge für Preis und Verfügbarkeit haben.
Große E-Commerce-Plattformen erzeugen einfaches Schema automatisch. Die Schema-Erzeugung ist für die entscheidenden Felder meist gut genug, lässt aber oft Material, Maße und den Umgang mit Varianten aus. Prüfe dein Schema. Kontrolliere, dass Farb- und Größenvarianten eigene Offer-Blöcke haben. Prüfe, dass besondere Produkttypen (Bundles, Geschenksets) richtig strukturiert sind.
So prüfst du, ob dein Schema korrekt ist
Verlasse dich nicht darauf, dass deine Plattform korrektes Schema erzeugt, ohne es zu prüfen. Nutze den Rich-Results-Test von Google oder das Validierungs-Tool von Schema.org. Gib die URL deiner Produktseite ein, und das Tool zeigt dir genau, welches Schema deine Seite enthält.
Achte auf diese konkreten Probleme. Fehlende GTIN-Nummern, falsche Verfügbarkeitswerte, fehlende Währungsangaben, fehlende Bild-URLs, Bewertungsanzahl auf null und fehlende Variantenangaben sind die häufigsten Probleme, die du beheben solltest.
Fehlende GTIN-Nummern sind das häufigste Problem. Hat dein Produkt einen Barcode (EAN, UPC, ISBN), nimm ihn in dein Schema auf. KI-Systeme nutzen die GTIN, um die Produktidentität über Händler hinweg zu prüfen. Fehlt deine GTIN oder ist sie falsch, kann der Agent dein Produkt nicht Bestandssystemen und Shopping-Vergleichen zuordnen.
Bewertungsanzahlen auf null oder leer sind ein Warnsignal. Sagt dein Schema, dass ein Produkt null Bewertungen hat, nehmen KI-Systeme an, dass es neu und ungeprüft ist. Selbst wenn dein Produkt 500 Bewertungen hat: Enthält dein Schema diese Anzahl nicht, sehen Agenten ein unbewiesenes Produkt.
Produkt-Feeds als dein zentrales Schema-Asset
Verkaufst du über Marktplätze oder nutzt Shopping-Feed-Dienste, ist dein Produkt-Feed der Ort, an dem Schema im großen Maßstab lebendig wird.
Ein Produkt-Feed ist eine strukturierte Liste all deiner Produkte mit standardisierten Feldern. Jedes Feld entspricht einem Schema-Markup. Dein Feed-Generator erzeugt aus diesen Daten JSON-LD-Schema. Hat dein Feed unvollständige oder falsche Daten, ist das Schema im großen Maßstab unvollständig oder falsch.
Investiere in die Qualität deines Feeds. Das heißt: deine Produktdaten auf Richtigkeit, Vollständigkeit und Einheitlichkeit prüfen. Ein hochwertiger Feed mit GTIN, Marke, Preis, Verfügbarkeit und Produktattributen erzeugt automatisch sauberes, vollständiges Schema.
Die meisten E-Commerce-Unternehmen lassen 10 bis 20 % ihrer Produktdaten unvollständig. Ein unvollständiges Produkt erscheint nicht in KI-Shopping-Ergebnissen. Ein Feed-Audit, das nur die oberen 20 % deiner Produkte nach Verkaufsvolumen bereinigt, kann die KI-Sichtbarkeit um 40 % oder mehr steigern.
AggregateRating- und Review-Schema steigern Empfehlungen
Ein Produkt mit Bewertungen wird häufiger empfohlen als ein identisches Produkt ohne Bewertungen. KI-Shopping-Systeme behandeln Bewertungen als Bestätigung deiner Aussagen durch Dritte.
AggregateRating-Schema sagt KI-Systemen, wie viele Menschen dein Produkt bewertet haben und wie ihre Durchschnittsbewertung war. Gib ratingValue (die durchschnittliche Sternebewertung, etwa 4,7), reviewCount (wie viele Bewertungen du hast), bestRating (immer 5) und worstRating (immer 1) an.
Ein Produkt mit 4,8 Sternen und 120 Bewertungen signalisiert einem KI-Agenten Vertrauenswürdigkeit. Ein Produkt ohne Bewertungsdaten signalisiert, dass es ungeprüft ist. Hat dein Produkt auf deiner Website Bewertungen, nimm die aggregierte Bewertung ins Schema auf. Ist dein Produkt neu und hat keine Bewertungen, gib wenigstens ratingCount als 0 an, statt das Feld ganz wegzulassen.
Wie WEMASY bei Produkt-Schema hilft
Der Website-Builder von WEMASY enthält Schema-Erzeugung für Produktseiten. Du gibst Produktinformationen über die WEMASY-Oberfläche ein, und das System erzeugt automatisch sauberes, gültiges JSON-LD-Schema. Du kannst dein Schema vor der Veröffentlichung mit dem eingebauten Validator von WEMASY prüfen.
Für Händler, die über WEMASY verkaufen, kannst du detaillierte Produktattribute wie Material, Maße, Farbvarianten und Gewicht direkt im Produkteditor ergänzen. WEMASY übersetzt diese Felder automatisch in vollständiges Product- und Offer-Schema. Mehr zu den E-Commerce-Funktionen von WEMASY findest du auf unserer Preisseite.
Häufig gestellte Fragen
Braucht jede Produktvariante ein eigenes Schema-Markup
Gibt es dein Produkt in verschiedenen Größen, Farben oder Optionen, sollte jede Variante ein eigenes Offer-Schema mit eigenem Preis und eigener Verfügbarkeit haben. So können KI-Agenten genau die Variante zuordnen, nach der ein Kunde sucht. Ein Hemd in drei Farben sollte drei getrennte Offer-Blöcke mit drei getrennten Preisen und Beständen haben. Mit dem Website-Builder von WEMASY richtest du das direkt auf deiner Website ein.
Was passiert, wenn ich Schema-Markup habe, es aber unvollständig ist
KI-Systeme nutzen, was vorhanden ist, aber unvollständiges Schema begrenzt die Sichtbarkeit. Ein Produkt mit fehlender GTIN, fehlenden Maßen oder fehlendem Verfügbarkeitsstatus bekommt bei Empfehlungen niedrigere Priorität. Erscheinen zwei identische Produkte in KI-Ergebnissen, gewinnt das mit dem vollständigeren Schema. Behebe zuerst die wichtigsten Lücken. Priorisiere GTIN, Verfügbarkeit und Preis.
Sollte ich Microdata oder RDFa statt JSON-LD nutzen
Nein. Nutze JSON-LD. Es ist das Format, das KI-Systeme bevorzugen und das Google empfiehlt. Microdata und RDFa sind gültig, verlangen aber, dass KI-Systeme HTML parsen, was langsamer und weniger verlässlich ist. JSON-LD ist sauber, getrennt von deinem HTML und universell unterstützt.
Wenn ich auf mehreren Marktplätzen verkaufe, brauche ich dann für jeden anderes Schema
Nein. Deine Produktseite sollte ein kanonisches Schema haben, das dein Produkt genau abbildet. Jeder Marktplatz kann dieses Schema übernehmen und dein Produkt auf seiner Plattform anzeigen. Pflege dein Schema auf deiner eigenen Website als Quelle der Wahrheit. Marktplätze synchronisieren sich aus diesen Daten.
Wie oft sollte ich mein Produkt-Schema aktualisieren, wenn sich Produktdetails ändern
Aktualisiere dein Schema sofort, wenn sich Produktdetails ändern. Ändert sich der Preis, aktualisiere das Preisfeld im Offer-Schema. Ist ein Produkt nicht mehr auf Lager, aktualisiere das Verfügbarkeitsfeld. KI-Systeme crawlen deine Seiten regelmäßig neu und übernehmen Änderungen. Frisches, korrektes Schema hält deine Produkte in KI-Shopping-Ergebnissen sichtbar.
Kann ich denselben Schema-Block für mehrere Produkte nutzen
Nein. Jedes Produkt braucht sein eigenes Schema-Markup mit eigenem Produktnamen, eigener Beschreibung, eigener GTIN und eigenem Preis. Wiederverwendete Schema-Blöcke lehren KI-Systeme, dass deine Produkte Duplikate sind, was der Sichtbarkeit schaden kann. Erzeuge für jedes einzelne Produkt deines Katalogs eigenes Schema.